基于脑电非线性特征的情绪状态识别方法

摘要

本发明属于情绪状态识别技术。为提供一种更加客观的情绪状态识别方法，为心理疾病的治疗评价提供一个更加客观的评价方法，本发明采取的技术方案是，基于脑电非线性特征的情绪状态识别方法，包括数据采集与数据预处理、特征提取以及特征分析与分类识别步骤；数据采集与数据预处理是，利用图片对受试者进行情绪诱发，并记录其脑电信号，对采集的原始脑电信号进行预处理，包括改变参考电位、降采样、带通滤波、去除眼电四个步骤；特征提取是指功率谱熵的提取和相关维数提取；将提取的功率谱熵和相关维数两种特征进行特征层融合后，使用SVM或HMM分级区分。本发明主要应用于情绪状态识别。

主权项

一种基于脑电非线性特征的情绪状态识别方法，其特征是，包括数据采集与数据预处理、特征提取以及特征分析与分类识别步骤；数据采集与数据预处理是，选择按照愉悦度范围分为八个等级的情绪图片，情绪图片等级越高诱发出的情绪越积极，情绪图片等级越低诱发出的情绪越消极，利用情绪图片对受试者进行情绪诱发，并记录其脑电信号，对采集的原始脑电信号进行预处理，包括改变参考电位、降采样、带通滤波、去除眼电四个步骤；特征提取是指功率谱熵的提取和相关维数提取；将提取的功率谱熵和相关维数两种特征进行特征层融合后，使用SVM或HMM将等级一、等级五、等级八的情绪状态区分开，SVM和HMM分别是Support Vector Machine和Hidden Markov Model的缩写；SVM指支持向量机，HMM指隐马尔科夫模型。